中文XML论坛--Google正在研究Web结构化数据[转帖]

贴子主题： Google正在研究Web结构化数据[转帖]

本主题类别: Semantic Web

互联网的搜索引擎们把主要精力都放在采集Web页面的文本信息上，但是Google却在研究如何分析和组织结构化数据方面小有所成，该公司的一位科学家上周五表示。

“在Web之外存在着大量的结构化数据，但我们却并没有很好地将这些数据展示给用户。”在马萨诸塞州技术研究院举行的新英格兰数据库日会议中，Alon Halevy在一次谈话中这样说道。

Halevy还谈到了所谓的“深Web”源，比如为Cars.com或者Realtor.com这类表单驱动型网站做后台支撑的数据库资源。Google一直都在不停的向各种表单提交查询请求，然后对返回的结果进行分析，最后将有用的内容加入到索引当中。

但是该公司仍然希望Web站点们能够将数据存放到结构化的表格中供google分析，Halevy说，例如在Web页面上提供一个表格列举出历任美国总统。

但是这样的表格也是数量巨大的，据Halevy说，Google的索引中已经收录了140亿个。他“很快就意识到其中有超过98%的内容是用户不感兴趣的，”但即使经过了仔细的筛选之后，仍然有1亿5400万个表格值得被Google索引。

Google的一个终极目标就是把一个搜索请求的结果组织成“各个方面”返回给用户，特别是像“越南旅游”这种比较宽泛的关键字，而不是“越南人口”这种非常具体的关键字，Halevy说，前面的搜索请求可能会产生关于签证条件、气候、旅行团等这类信息。

Kosmix已经在做这个点子了，但是Google将会做的更多，Halevy说，“Kosmix的确能够展示出‘方面’，但是它依赖于特定的信息源。”

在Kosmix上搜素“越南旅游”，它会给你提供一个结果集，包括纽约时报关于酒店的评论，来自雅虎和Flickr的图片，来自Shopping.com的购物信息以及来自Google的其他信息。

“而我们则不同，各方面信息都来自于Web的搜索结果，但会以不同的方式组织起来。”Halevy说。


	W 3 C h i n a ( since 2003 ) 旗下站点苏ICP备05006046号《全国人大常委会关于维护互联网安全的决定》《计算机信息网络国际联网安全保护管理办法》	62.500ms